【机器学习-贷款用户逾期情况分析2】1.数据预处理

0.数据介绍

数据的下载地址 https://pan.baidu.com/s/1wO9qJRjnrm8uhaSP67K0lw

注：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。注意这个数据跟我上几篇博客的数据不一样。
 

1.数据预处理

  1.1数据类型的分析

（1）划分数据和标签

我们加载文件后划分数据和标签后打印前5行代码和效果如下：

data = pd.read_csv('F:/competition/一周实践进阶/data.csv',encoding='gbk')
label = data.status
data = data.drop(['status'], axis=1)
data.head(5)

（2）info()方法可以快速查看数据的描述，特别是总行数、每个属性的类型和非空值的数量。

后面的省略，我们可以看到数据集中一共有4754个实例。但有些属性比如transd_mcc只有4752个非空值，意味着有2个用户缺失这个值，其余的类似。我们可以看到这里有的类型是数值，有的类型是object,但是因为该项是从CSV文件加载的，所以必然是文本类型的

（3）value_counts() 看每个类别有多少数据

value_counts()方法可以查看某项中有哪些类别，每个类别中都包含多少个用户，比如“reg_preference_for_trad”这项：

（4）describe()

describe()方法可以展示数值属性的概括，如下图：

其中，count是非空值的总数量，mean是平均数，std是标准差，25%，50%，75%表示对呀的分位数。

（5）柱状图 Hint()

另一个快速了解速度类型的方法是画出每个数值属性的柱状图。柱状图的纵轴展示了特定范围的实例的个数。